智算竞争进入“互联时刻”：400G、RoCE与光电集成如何改写AI集群成本曲线

过去两年，行业讨论智算基础设施时，更多聚焦在GPU到货、算力卡价格、单集群规模和模型训练效率。但近期一系列公开采购、技术发布和产业动态显示，智算竞争的重心正在从“有没有算力”转向“算力能不能被高效连起来、喂进去、调度开”。中国电信启动400G DWDM/OTN设备新建部分集采，中国移动发布400G OTN设备集采和大规模RoCE交换机集采，并推进宁夏智算资源池建设；与此同时，思科与英伟达在开放计算项目峰会上提出面向AI数据中心的USFP光模块，国内光电集成企业加快NPO/CPO光引擎布局，英特尔则围绕GPU D系列、至强整机柜和开放软件推进异构AI基础设施。这些信号共同指向一个判断：AI智算瓶颈正从GPU供给扩展到网络互联、光电集成、开放系统和资源池化调度。

一、400G承载不是“带宽竞赛”，而是智算资源池化的底座

从公开信息看，中国电信本次省内400G DWDM/OTN设备新建部分集中采购项目，采购产品为400G DWDM/OTN设备，数量约146个400Gb/s线路侧端口及相应的客户侧端口与公共单元。中国移动则发布2026年至2027年省内400G OTN设备新建部分集采，预估采购业务端口2264个，需求满足期为一年，最长可顺延一年。该项目采用份额招标，中标人数量为3家，份额分别为49.98%、35.51%和14.51%，并设置最高投标限价。

这两笔采购放在一起看，意义并不只是运营商继续升级传输网络。400G DWDM/OTN的价值，在于把分散在不同区域、不同机房、不同园区的智算中心连接成可调度、可计量、可运营的资源网络。AI训练和推理流量与传统云计算流量不同，它往往具有大带宽、长周期、高并发、低时延和强确定性要求。模型参数同步、数据预处理、推理请求分发、跨域调度，都需要高质量承载网络支撑。

换句话说，智算资源池如果只建在单一机房，规模越大，能耗、散热、供应链和运维风险越集中；如果跨域部署，则必须解决“路”的问题。400G承载网络正是把“算力孤岛”变成“算力网络”的关键底座。运营商在省内新建部分持续推进400G OTN/DWDM，说明智算基础设施的竞争已经从单一节点建设，进入广域、城域、数据中心互联和算力调度协同的新阶段。

二、RoCE集采金额“跳升”，把国产交换芯片推到验证场

如果说400G承载解决的是智算中心之间的“大动脉”，那么RoCE交换机解决的是GPU集群内部的“毛细血管”。中国移动2026年至2027年RoCE交换机大规模集群集采预估采购2450台，最高投标限价超过40亿元。与此前一季度首次集团级集采相比，采购数量约1790台、开标金额约8.8亿元，本次集采数量仅增加约37%，但金额上限却达到上次开标金额的4.5倍以上。

这种“数量温和增长、金额大幅抬升”的背离，背后不是简单涨价，而是产品结构和供应链结构发生变化。业内人士分析，主要原因在于自主可控产品比例和数量提升，同时51.2T等高端规格占比增加。本次集采中，自主可控RoCE交换机数量为1960台，占比80%；上一次集采中自主可控RoCE交换机数量为1310台，占比超过73%。高端规格叠加自主可控比例提升，直接推高单台设备价值。

更深层的产业逻辑在于，交换芯片正在成为AI集群中与GPU同等关键的部件。大规模模型训练需要成千上万张GPU频繁交换参数，一次训练可能产生PB级东西向流量。RoCE交换机的作用，是让GPU之间、服务器之间、机架之间保持高吞吐、低时延、低丢包的数据交换。没有高质量交换网络，GPU数量再多，也可能被通信等待、拥塞、重传和调度效率拖慢。

但高端以太网交换芯片长期被海外巨头主导。当前全球市场几乎由博通和Marvell占据，两家合计份额超过60%，如果扣除自研芯片，商业芯片市场占比甚至超过90%。技术代差客观存在。博通今年3月量产出货的Tomahawk6是全球首款总带宽达到102.4Tbps的交换芯片，支持1.6T端口速率；国产第三方商用芯片成熟方案仍主要停留在25.6T，51.2T在协议栈完整性、大规模集群验证等方面仍处于追赶阶段。

国产替代并非没有进展。华为自研交换芯片已支撑51.2T交换机商用；阿里云今年3月发布的102.4T NPO交换机，由4颗25.6T国产芯片组合实现；中国移动主导的GPU卡间互联架构OISA中，128卡任意卡间800GB/s互联带宽，也依托8颗51.2T交换芯片实现。盛科通信作为国产高端交换芯片代表企业，2025年研发投入6.79亿元、占营收近六成，全年仍亏损1.5亿元，其12.8T/25.6T旗舰芯片刚进入客户推广阶段，51.2T预计到2026年底回片。这说明高端交换芯片是高壁垒、长周期、重验证赛道，技术突破只是第一步，真正难的是从实验室走向规模商用。

市场空间也在放大。LightCounting数据显示，全球以太网交换芯片市场2025年约40亿美元，2030年有望超过140亿美元，Scale-up超节点交换芯片市场届时可能达到180亿美元量级。有券商测算，2026年至2028年国内数据中心交换芯片市场规模将分别达到103亿元、139亿元、174亿元。增量市场与国产替代叠加，使中国移动此时提高自主可控RoCE交换机采购比例，具有明显的产业培育意味。

这条路径并不陌生。从PTN到SPN/MTN，从TD-SCDMA、TD-LTE到5G，从AI训练服务器到推理型通用计算设备，中国移动多次以真实网络需求牵引国产产业链成长。2009年PTN首次集采时，相关芯片、设备、仪表几乎从零起步，后来中国移动部署50万台PTN设备，全球超50个国家、100多家运营商采用PTN建网。其后SPN/MTN进入ITU-T体系，MTN现网部署超40万端。无线领域，中国移动建成超277万5G基站，成为全球最大5G网络。算力芯片方面，2024年中国移动启动总规模191亿元的AI训练服务器集采，全部采用国产AI处理器；2025年至2026年推理型人工智能通用计算设备集采中，采用国产CANN技术路线的设备总含税金额约34亿元，占比超过67%。移动云也已完成多家国产AI芯片兼容适配。

从PTN到无线，从GPU到RoCE交换芯片，逻辑一脉相承：以真实需求牵引技术创新，以规模订单摊薄研发成本，以商用验证倒逼产品迭代。央企的产业担当，不在口号里，而在订单、场景和标准里。

三、光模块从200G到400G per lane：可插拔仍是主流，但NPO/CPO已在路上

AI集群互联的下一道门槛，在光互连。思科与英伟达在OCP全球峰会上宣布，将联合开发面向AI数据中心的超密小外形可插拔USFP光模块，支持400Gbps per lane，相比200Gbps per lane光学模块，预计带宽密度提升4倍、能效提升1.3倍。两家公司推出这一方案的直接原因，是超大规模云服务商、新云服务商和电信级AI云客户希望延续OSFP模块的使用习惯，同时把单通道速率从200G提升到400G。

这背后反映出一个现实矛盾：AI数据中心希望升级带宽，但又不愿意为了下一代技术推倒重来。可插拔光模块之所以仍有强大生命力，在于它已经形成成熟供应链、运维习惯和现场更换能力。服务器与交换机之间、GPU集群与网络之间，大量依赖可插拔模块连接。思科方面称，这些模块连接服务器和交换机，支撑从数百、数千到更大规模GPU集群的光互连。当前OSFP技术逐渐接近能力上限，数据中心需要新的升级路径。

与此同时，竞争路线也在同步推进。Arista与Broadcom正在推进涉及液冷光模块的XPO方案，CPO则是另一条光电共封装路径。不同技术路线的差异，本质上是密度、功耗、成本、运维和生态成熟度之间的取舍。思科强调，USFP希望让客户以熟悉形态拥抱下一代光学技术，而不是大规模改造数据中心基础设施。

这也解释了中国光电集成企业为何开始受到关注。英伟芯等公司围绕硅光、先进封装和光电融合异质异构集成，布局硅光芯片、NPO/CPO端到端光引擎，以及面向下一代波分复用微环调制OIO的光源与光引擎产品。其NPO/CPO光引擎项目预计2027年第一季度推出样品，并已参与中国移动DORA可重构光互连技术架构编制，协同推进51.2T NPO交换机样机方案预研。

从产业视角看，中国企业在AI光互连上的机会并不只在“做模块”，而在于把硅光设计、光电集成、先进封装、热管理和系统级验证结合起来。AI集群对功耗极其敏感，端口速率越高，单端口散热和信号完整性压力越大。NPO/CPO路线的价值，在于缩短电信号传输距离、降低功耗、提升端口密度；但挑战在于可维护性、良率、成本、标准化和生态协同。谁能把实验室样品变成可规模部署的系统，谁才有机会进入下一轮智算基础设施建设。

四、开放AI基础设施：推理成本、机柜功率与异构调度一起上桌

AI基础设施并不只有训练集群。随着智能体AI兴起，推理正从单次问答变成复杂工作流，涉及检索、规划、工具调用、编排、执行和多模型协同。这意味着通用CPU、GPU、专用加速器、内存、网络、存储和软件栈必须重新组合。英特尔在OCP峰会上披露GPU D系列技术细节，正是围绕这一趋势展开。

代号为Crescent Island的英特尔GPU D系列基于Xe3P架构，面向持续运行的内存密集型AI推理负载。该产品在350瓦功耗范围内，提供最高480GB LPDDR5X内存、1.5TB/s内存带宽和1.3 PFLOPS FP8算力。单张GPU D系列最高可支持3000亿参数模型运行，八卡系统可支持超过1万亿参数模型。它采用标准PCIe外形、风冷设计和通用Xe软件基础，目标是让客户在现有数据中心环境中扩展推理能力，而不必新建专用机柜或液冷系统。

这一设计很有针对性。AI推理规模化后，成本压力不只是“买多少卡”，还包括机柜功率、冷却方式、软件迁移、运维复杂度和部署门槛。英特尔同时展示基于至强处理器的全新整机柜设计，多项设计采用OCP Open Rack v3标准。特定至强6+配置可在133.45kW总机柜功率下，实现单机柜超过46000颗核心部署。其逻辑是：智能体AI工作流越复杂，通用计算越重要；CPU负责编排、数据处理、I/O管理和任务执行，加速器负责模型计算，二者协同才能提高整体利用率。

在开放生态方面，英特尔继续推进OAC开放适配器卡工作组，通过定义标准化子机柜加速卡外形规格，提升机械、电气和管理互操作性。对企业而言，这类标准的价值在于降低“推倒重来”的风险。AI系统升级不必每次更换整机柜，可以在既有基础设施上引入新的加速卡，随工作负载变化调整算力结构。

开放软件同样是关键。英特尔强调将CPU和GPU支持原生集成到行业标准AI框架、推理运行时和部署环境中，通过统一Xe软件底座、性能库、可编程软件层和对开源模型的Day 0适配，降低跨平台部署成本。对开发者来说，真正的效率不是单点算力提升，而是应用能在不同CPU、GPU、加速器之间迁移，资源能按任务匹配，成本能按业务优化。

这一趋势与运营商集采形成呼应。智算基础设施不是单一硬件采购，而是服务器、网络、存储、调度、冷却、软件和管理平台的系统工程。谁能把异构算力组织成可运营、可计费、可迁移的资源池，谁就更有机会赢得AI云和智能体AI市场。

五、智算资源池招标：服务器、超节点与管理平台形成闭环

中国移动宁夏公司2027年智算资源池建设项目的规模，进一步说明智算采购正在从“买服务器”转向“建系统”。该项目含税总价约1.81亿元，划分为两个标包：标包1预估采购32台高端推理智算服务器和1套管理平台；标包2预估采购8台超节点智算服务器，最高限价为未含税单价756.7万元/台。

高端推理服务器和管理平台组合，说明智算池建设不仅关注算力硬件，也关注资源调度、租户管理、任务分发和运维可视化。超节点智算服务器则意味着更高密度、更高带宽、更复杂互联。超节点不是简单把服务器堆在一起，而是通过高速互连、统一电源、散热和软件调度，把多张加速卡组织成接近一台“大算力机器”的系统。其背后对交换芯片、光模块、连接器、线缆、液冷、机箱结构和管理软件都提出更高要求。

从三季度运营商AIDC招标情况看，算力枢纽集中趋势明显。此前相关统计显示，Q3运营商AIDC招标项目数量较多、预算规模较大，九成项目落子八大算力枢纽。这与400G OTN/DWDM、RoCE交换机、智算服务器和超节点采购形成同一幅图景：运营商正在围绕国家算力枢纽布局，构建“枢纽节点+高速网络+智算资源池+调度平台”的基础设施体系。

六、从订单到标准：中国智算互联的三条路径与一个约束

把这些事件合并观察，中国智算基础设施升级路径已经比较清晰。

第一条路径，是广域和城域承载网络向400G演进。中国电信、中国移动分别推进400G DWDM/OTN和400G OTN设备集采，说明算力网络底座正在从100G/200G时代迈向400G时代。跨域训练、异地推理、灾备调度、数据流通，都需要更高带宽和更低时延。

第二条路径，是数据中心内部网络向RoCE和高端交换芯片升级。中国移动大规模RoCE集采中自主可控比例提升至80%，并提高51.2T等高端规格占比，意味着国产交换芯片正在被推向真实网络验证场。AI集群的“东西向流量”不再只是云网络问题，而是算力效率问题。

第三条路径，是光互连从可插拔模块走向更高密度和光电集成。思科与英伟达推动USFP，行业同时探索XPO、CPO、NPO，说明AI光互连正在进入多路线并行阶段。中国企业在硅光、先进封装、NPO/CPO光引擎和DORA可重构光互连等方向加快布局，有望在下一代智算光网络中形成差异化能力。

但所有路径都绕不开一个约束：生态验证。交换芯片、光模块、NPO/CPO、开放整机柜、AI软件栈，都不是单点技术突破就能解决的问题。客户一旦选定方案，替换成本很高；产业链协同验证周期长；标准碎片化也会带来不确定性。国产替代不能只停留在“参数接近”，而要在真实集群、真实故障、真实运维、真实成本中跑通。

这也是运营商集采的特殊意义。运营商拥有大规模网络、真实业务和长期演进需求，可以把国产芯片、国产设备、国产软件放到高压力环境中验证。对设备商而言，订单带来现金流和迭代反馈；对芯片企业而言，规模部署带来良率提升和成本下降；对标准组织而言，商用案例推动开放规范形成。中国通信产业过去在PTN、SPN/MTN、5G承载、AI服务器国产化上的经验，正在向RoCE交换芯片、光互连和开放AI基础设施延伸。

结语：智算竞争不是“堆卡”，而是系统成本曲线之争

当GPU供给逐步缓解，行业真正比拼的，是谁能让每一张卡、每一个端口、每一瓦电、每一条链路产生更高有效算力。400G承载、RoCE交换、USFP光模块、NPO/CPO光引擎、开放整机柜、智算资源池管理平台，看似分属不同环节，实则共同指向同一个目标：把AI集群从“算力堆叠”升级为“系统工程”。

对中国通信产业而言，这轮智算互联升级既是挑战，也是机会。挑战在于高端交换芯片、光电集成、先进封装、开放标准和全球生态仍存在差距；机会在于中国拥有运营商规模采购、超大规模网络、完整通信设备链、快速增长的智算市场和国产替代需求。谁能把真实需求转化为标准、订单、验证和产业链能力，谁就更有可能在下一轮AI基础设施竞争中占据主动。

智算竞争已经进入“互联时刻”。未来的胜负手，不只是GPU数量，而是网络、光互连、交换芯片、开放系统和资源调度的综合成本曲线。